CN113935198A - 多能系统运行优化方法、装置、电子设备及可读存储介质 - Google Patents
多能系统运行优化方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113935198A CN113935198A CN202111353506.7A CN202111353506A CN113935198A CN 113935198 A CN113935198 A CN 113935198A CN 202111353506 A CN202111353506 A CN 202111353506A CN 113935198 A CN113935198 A CN 113935198A
- Authority
- CN
- China
- Prior art keywords
- value
- moment
- power parameter
- parameter
- energy system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 128
- 230000005611 electricity Effects 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 27
- 239000000446 fuel Substances 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 39
- 238000012423 maintenance Methods 0.000 description 33
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000001816 cooling Methods 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 101150067055 minC gene Proteins 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明实施例提出一种多能系统运行优化方法、装置、电子设备及可读存储介质，涉及多能系统技术领域。该方法通过迭代对迭代方向和决策变量在每个时刻的取值进行更新，实现对多能系统中的水力参数在每个时刻的取值的调节，最终根据在优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值，对多能系统的运行进行优化，由于水力参数和决策变量均是可调的，故能适应不同场景下的多能系统的运行优化，并保证较低的电费成本和/或燃料费成本。
Description
技术领域
本发明涉及多能系统技术领域，具体而言，涉及一种多能系统运行优化方法、装置、电子设备及可读存储介质。
背景技术
近年来，随着多能系统的快速发展，对多能系统运行进行优化越来越常见。
在多能系统进行运行优化时，可以建立非线性模型并基于非线性规划方法直接进行计算，以获取满足运行成本最小这一条件的值，但对这种方法来说，其主要缺点在于：建立的非线性模型规模非常大，计算效率将受到非常显著的影响；由于采用了非线性模型，计算结果偏差较大，同时计算得到的值不收敛的可能性较大。还可以在多能系统中的设备的工作参数中选择部分工作参数定义为常数，以此通过计算将非线性模型转换为线性模型，以此基于线性规划方法计算出多能系统中的设备剩余的工作参数，对这种方法来说，其主要缺点在于：由于部分工作参数定义为常数，使得多能系统中的设备中与定义为常数的工作参数对应的其他工作参数变得不可调节，因此适用场景较为有限。
发明内容
有鉴于此，本发明的目的在于提供一种多能系统运行优化方法、装置、电子设备和可读存储介质，以解决现有技术中基于固定的工作参数进行多能系统的运行优化，难以在不同场景下保证较低的电费成本和/或燃料费成本的技术问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明提供一种多能系统运行优化方法，所述方法包括：
获取预先构建的初始非线性模型中的等式约束条件、不等式约束条件以及优化目标；其中，所述等式约束条件、所述不等式约束条件根据待优化的多能系统设置得到，所述优化目标为所述多能系统运行的电费成本和/或燃料费成本；
根据决策变量在每个时刻的取值和所述等式约束条件，计算所述多能系统中的水力参数在每个时刻的取值；所述决策变量包括所述多能系统中的至少一个设备的工作参数；
将所述水力参数在每个时刻的取值代入所述初始非线性模型，得到每个时刻对应的线性模型；
根据线性规划方法、所述等式约束条件和所述不等式约束条件，对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或热功率参数求解，得到所述电网功率参数在每个时刻的取值，和/或所述热功率参数在每个时刻的取值；
根据所述电网功率参数在每个时刻的取值和/或所述热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算所述优化目标的值；
根据所述优化目标的值更新迭代方向和所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件；其中，在所述优化目标的值达到收敛条件时得到的所述决策变量在每个时刻的取值用于对所述多能系统的运行进行优化。
在可选的实施方式中，所述根据线性规划方法、所述等式约束条件和所述不等式约束条件，对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或热功率参数求解，得到所述电网功率参数在每个时刻的取值，和/或所述热功率参数在每个时刻的取值，包括：
根据线性规划方法和所述等式约束条件对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或热功率参数求解，得到所述电网功率参数在每个时刻的至少一个值，和/或所述热功率参数在每个时刻的至少一个值；
根据所述不等式约束条件，从所述电网功率参数在每个时刻的至少一个值，和/或所述热功率参数在每个时刻的至少一个值中，确定所述电网功率参数在每个时刻对应的目标值，和/或所述热功率参数在每个时刻对应的目标值，并将所述电网功率参数在每个时刻对应的目标值作为所述电网功率参数在每个时刻的取值，和/或将所述热功率参数在每个时刻对应的目标值作为所述热功率参数在每个时刻的取值。
在可选的实施方式中，所述根据所述优化目标的值更新迭代方向和所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件，包括：
根据所述优化目标的值更新迭代方向；
根据所述迭代方向更新所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件。
在可选的实施方式中，所述根据所述电网功率参数在每个时刻的取值和/或所述热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算所述优化目标的值，包括：
获取所述多能系统在每个时刻的电价，和/或获取所述多能系统在每个时刻的燃料价；
根据所述多能系统在每个时刻的电价、所述电网功率参数在每个时刻的取值，和/或所述多能系统在每个时刻的燃料价、所述热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算所述优化目标的值。
在可选的实施方式中，所述多能系统包括冷热系统和电力系统，所述初始非线性模型包括根据所述冷热系统构建得到的冷热系统非线性模型和根据所述电力系统构建得到的电力系统线性模型。
第二方面，本发明提供一种多能系统运行优化装置，所述装置包括：
获取模块，用于获取预先构建的初始非线性模型中的等式约束条件、不等式约束条件以及优化目标；其中，所述等式约束条件、所述不等式约束条件根据待优化的多能系统设置得到，所述优化目标为所述多能系统运行的电费成本和/或燃料费成本；
计算模块，用于根据决策变量在每个时刻的取值和所述等式约束条件，计算所述多能系统中的水力参数在每个时刻的取值；所述决策变量包括所述多能系统中的至少一个设备的工作参数；将所述水力参数在每个时刻的取值代入所述初始非线性模型，得到每个时刻对应的线性模型；
所述计算模块，还用于根据线性规划方法、所述等式约束条件和所述不等式约束条件，对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或热功率参数求解，得到所述电网功率参数在每个时刻的取值，和/或所述热功率参数在每个时刻的取值；根据所述电网功率参数在每个时刻的取值和/或所述热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算所述优化目标的值；
更新模块，用于根据所述优化目标的值更新迭代方向和所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件；其中，在所述优化目标的值达到收敛条件时得到的所述决策变量在每个时刻的取值用于对所述多能系统的运行进行优化。
在可选的实施方式中，所述计算模块用于：
根据线性规划方法和所述等式约束条件对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或热功率参数求解，得到所述电网功率参数在每个时刻的至少一个值，和/或所述热功率参数在每个时刻的至少一个值；根据所述不等式约束条件，从所述电网功率参数在每个时刻的至少一个值，和/或所述热功率参数在每个时刻的至少一个值中，确定所述电网功率参数在每个时刻对应的目标值，和/或所述热功率参数在每个时刻对应的目标值，并将所述电网功率参数在每个时刻对应的目标值作为所述电网功率参数在每个时刻的取值，和/或将所述热功率参数在每个时刻对应的目标值作为所述热功率参数在每个时刻的取值。
在可选的实施方式中，所述更新模块用于：根据所述优化目标的值更新迭代方向，根据所述迭代方向更新所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件。
第三方面，本发明提供一种电子设备，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前述实施方式任一项所述的方法。
第四方面，本发明提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式中任一项所述的方法。
本发明实施例提供的多能系统运行优化方法、装置、电子设备和可读存储介质，通过获取预先构建的初始非线性模型中的等式约束条件、不等式约束条件以及优化目标，以根据决策变量在每个时刻的取值和等式约束条件，计算多能系统中的水力参数在每个时刻的取值，将水力参数在每个时刻的取值代入初始非线性模型，得到每个时刻对应的线性模型，再根据线性规划方法、等式约束条件和不等式约束条件，对每个时刻对应的线性模型中定义的多能系统中的电网功率参数和/或热功率参数求解，得到电网功率参数在每个时刻的取值，和/或所述热功率参数在每个时刻的取值，并以此根据预先设置的优化目标函数计算优化目标的值，再进行更新迭代方向和决策变量在每个时刻的取值，直到优化目标的值达到收敛条件，进而将优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值用于对多能系统的运行进行优化。通过迭代对迭代方向和决策变量在每个时刻的取值进行更新，实现对多能系统中的水力参数在每个时刻的取值的调节，最终根据在优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值，对多能系统的运行进行优化，由于水力参数和决策变量均是可调的，故能适应不同场景下的多能系统的运行优化，并保证较低的电费成本和/或燃料费成本。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了为本发明实施例提供的多能系统的一种组成示意图；
图2示出了本申请实施例提供的电子设备的一种方框示意图；
图3示出了发明实施例提供的多能系统运行优化方法的一种流程示意图；
图4示出了图3中步骤S304的子步骤的一种流程示意图；
图5示出了图3中步骤S306的子步骤的一种流程示意图；
图6示出了图3中步骤S305的子步骤的一种流程示意图；
图7示出了本发明实施例所提供的多能系统运行优化装置的一种功能模块图。
图标：10-给水阀；20-热泵；30-离心泵；40-水罐；50-水网；60-电网；70-锅炉；210-存储器；220-处理器；230-通信模块；401-获取模块；402-计算模块；403-更新模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
多能系统是指冷、热、电、气等多种能源系统在能源生产、传输、使用等环节耦合而形成的一种新的能源系统。为了便于了解多能系统的组成，请参照图1，图1为本发明实施例提供的多能系统的一种组成示意图。如图1所示，该多能系统包括给水阀10、热泵20、离心泵30、水罐40、水网50、电网60和/或锅炉70等设备。给水阀10、热泵20、离心泵30、水罐40、水网50依次连接，电网60为热泵20和离心泵30提供电源，和/或锅炉70为给水阀10和离心泵30提供热源，上述设备协同互补，通过调整上述设备的工作参数，在尽可能保证上述设备都工作在理想条件下时，使电网60中电源提供的功率最小化，和/或使锅炉70中热源提供的功率最小化，进而使得运行成本最小化，实现对多能系统的运行优化。
需要说明的是，在实际应用中，该多能系统包括的上述设备仅为在本发明实施例中的一些举例，该多能系统还可包括比上述所示的更多或者更少的设备，比如，该多能系统还可以包括储能设备、变压器和传输线等设备，该多能系统所包括的设备在本发明实施例中不予限定。
在本发明的实施例中，以运行成本为例，操作人员通过获取多能系统中的设备的工作参数，根据该多能系统中的设备的工作参数，在电子设备中构建相关模型，电子设备根据构建的相关模型，对多能系统中设备的工作参数进行计算，并以此获得最小的运行成本，并以此获取满足最小的运行成本这一条件所对应的工作参数的值，操作人员以该工作参数的值对多能系统中设备的工作参数进行调整，以实现对多能系统的运行优化。
可选的，电子设备和多能系统可以是通信连接，操作人员可以在电子设备计算得到满足最小的运行成本这一条件所对应的工作参数的值后，通过电子设备对多能系统中设备的工作参数进行调整，还可以是电子设备在计算得到满足最小的运行成本这一条件所对应的工作参数的值后，操作人员人为地记录该工作参数的值，操作人员再根据该工作参数的值，人为地对多能系统中设备的工作参数进行调整。
请参照图2，是本申请实施例提供的电子设备的一种方框示意图。如图2所示，该电子设备包括存储器210、处理器220和通信模块230。存储器210、处理器220和通信模块230各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中，存储器210用于存储程序或者数据。该存储器210可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
处理器220可能是一种集成电路芯片，具有信号的处理能力。该处理器220可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，该处理器220用于读写存储器210中存储的数据或程序，并执行相应的功能。例如，处理器220执行存储器210存储的计算机程序时，可以实现本发明各实施例揭示的多能系统运行优化方法。
该通信模块230用于通过网络建立电子设备与多能系统之间的通信连接，并用于通过网络收发数据。
应当理解的是，图2所示的结构仅为电子设备的结构示意图，该电子设备还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
其中，该电子设备可以但不限于：个人电脑(PC)、笔记本电脑、平板电脑、手机等，本发明实施例对此不进行限制。
本发明实施例还提供一种可读存储介质，该可读存储介质上存储有计算机程序，该计算机程序被处理器执行时可以实现本发明各实施例揭示的多能系统运行优化方法。
继续以运行成本为例，现有技术中，在多能系统进行运行优化时，可以建立非线性模型并基于非线性规划方法直接进行计算，以获取满足运行成本最小这一条件的值，但对这种方法来说，其主要缺点在于：建立的非线性模型规模非常大，计算效率将受到非常显著的影响；由于采用了非线性模型，计算结果偏差较大，同时计算得到的值不收敛的可能性较大。还可以在多能系统中的设备的工作参数中选择部分工作参数定义为常数，以此通过计算将非线性模型转换为线性模型，以此基于线性规划方法计算出多能系统中的设备剩余的工作参数，对这种方法来说，其主要缺点在于：由于部分工作参数定义为常数，使得多能系统中的设备中与定义为常数的工作参数对应的其他工作参数变得不可调节，因此适用场景较为有限。
基于上述问题，为了实现多能系统中设备工作参数取值的独立计算，使计算结果更准确，以及使得设备的工作参数的取值可以进行调节，扩大了适用场景，本发明实施例提供了一种多能系统运行优化方法，图3为本发明实施例提供的多能系统运行优化方法的一种流程示意图。该方法包括：
步骤S301，获取预先构建的初始非线性模型中的等式约束条件、不等式约束条件以及优化目标。
可选的，等式约束条件、不等式约束条件根据待优化的多能系统设置得到，优化目标为多能系统运行的电费成本和/或燃料费成本。
以图1中的多能系统为例：其中，该给水阀相应的等式约束条件为：
k表征阀门流量系数，其随开度变化；pv0表征阀门处背压；pv表征给水阀的压力；qv表征给水阀的体积流量。
其中，该热泵相应的等式约束条件为：
qh，in＝qh，out
cρqh，in(Th，out-Th，in)＝Qh·COP
αh表征热泵处局部阻力系数，其为常数；ρ表征水密度，其为常数；c表征水比热容，其为常数；COP表征热泵能效比，其为常数；Qh表征热泵消耗的功率；qh，in表征热泵入口的体积流量；gh，out表征热泵出口的体积流量；ph，in表征热泵入口的压力；ph，out表征热泵出口的压力；Th，in表征热泵入口的温度；Th，out表征热泵出口的温度。
其中，该离心泵相应的等式约束条件为：
qp，in＝qp，out
Tp，out＝Tp，in
n表征离心泵的转速；n0表征泵的额定转速，其为常数；αp，βp，γp表征离心泵的特性曲线参数，其为常数；η表征离心泵效率，其为常数；g为重力加速度，其为常数；αp表征离心泵的局部阻力系数，其为常数；Qp表征离心泵消耗的功率；qp，in表征离心泵入口的体积流量；qp，out表征离心泵出口的体积流量；pp，in表征离心泵入口的压力；pp，out表征离心泵出口的压力；Tp，in表征离心泵入口的温度；Tp，out表征离心泵出口的温度。
其中，该水罐相应的等式约束条件为：
Tw，out＝Tw，0
pw0表征水罐罐体内水位产生的压力；Tw，0水罐罐体内水的温度；qw，in表征水罐入口的体积流量；qw，out表征水罐出口的体积流量；pw，in表征水罐入口的压力；pw，out表征水罐出口的压力；Tw，out表征水罐出口的温度。
其中，该水网相应的等式约束条件为：
qv＝qh，in
pv＝ph，in
Tv＝Th，in
…
qv表征水网的压力；pv表征水网的体积流量；Tv表征水网的温度；上述水网相应的等式约束条件表征压力平衡、能量守恒等。
其中，该电网相应的等式约束条件为：
Qs＝Qh+Qp
Qs表征电网中电源提供的功率；Qh表征热泵消耗的功率；Qp表征离心泵消耗的功率。
需要说明的是，在实际应用中，上述电网相应的等式约束条件中，可能还包括电压、相角等参数，可以根据实际需要进行设置，在本发明实施例中不予限定。
其中，该锅炉相应的等式约束条件为：
qb，in＝qb，out
cρqb，in(Tb，out-Tb，in)＝Qb·ηb
qb，in表征锅炉入口的体积流量；qb，out表征锅炉出口的体积流量；pb，in表征锅炉入口的压力；pb，out表征锅炉出口的压力；αb表征锅炉的局部阻力系数，其为常数；c表征水比热容，其为常数；ρ表征水密度，其为常数；Tb，out表征锅炉出口温度；Tb，in表征锅炉入口温度；Qb表征锅炉燃烧产生的热功率；ηb表征锅炉的热转换效率，其为常数。
其中，上述各设备对应的等式约束条件中的p表征压力、q表征体积流量，该参数p和参数q即为水力参数。
上述不等式约束条件表征多能系统中各设备的功率Q的上下限与温度T的上下限等。
需要说明的是，在实际应用中，该多能系统包括的上述设备仅为在本发明实施例中的一些举例，该多能系统还可包括比上述所示的更多或者更少的设备，比如，该多能系统还可以包括储能设备、变压器和传输线等设备，该多能系统所包括的设备在本发明实施例中不予限定。
可选的，在本发明的实施例中，多能系统包括冷热系统和电力系统，初始非线性模型包括根据冷热系统构建得到的冷热系统非线性模型和根据电力系统构建得到的电力系统线性模型，其中，冷热系统包括但不限于热泵、离心泵、水罐、水网和锅炉，电力系统包括但不限于电网，冷热系统和电力系统所包括的设备在本发明实施例中不予限定。
步骤S302，根据决策变量在每个时刻的取值和等式约束条件，计算多能系统中的水力参数在每个时刻的取值。
可选的，决策变量包括多能系统中的至少一个设备的工作参数，可以理解，在一定时间之内，多能系统在不同时刻的决策变量的取值可能不同，为了全面反应多能系统的状态，需要获取决策变量在每个时刻的取值，其中，在初始条件下，决策变量在每个时刻的取值为随机取值；在迭代过程中，未满足收敛条件的情况下，根据优化目标的值更新决策变量在每个时刻的取值，以此再进行计算多能系统中的水力参数在每个时刻的取值。
其中，根据多能系统中的至少一个设备的工作参数所设置的决策变量的选择不受限制，可以根据实际应用需求进行设置，例如，可以将给水阀工作参数中的阀门开度和离心泵工作参数中离心泵的转速设置为决策变量。
可选的，在得到决策变量在每个时刻的取值时，即可根据上述等式约束条件，计算多能系统中的水力参数在每个时刻的取值；并且，根据上述等式约束条件，计算多能系统中的水力参数在每个时刻的取值的过程为水力计算。其中压力参数p、体积流量参数q即为水力参数。
步骤S303，将水力参数在每个时刻的取值代入初始非线性模型，得到每个时刻对应的线性模型。
可选的，在计算得到水力参数在每个时刻的取值后，将水力参数在每个时刻的取值代入初始非线性模型，即可将初始非线性模型转换为每个时刻对应的线性模型。
步骤S304，根据线性规划方法、等式约束条件和不等式约束条件，对每个时刻对应的线性模型中定义的多能系统中的电网功率参数和/或热功率参数求解，得到电网功率参数在每个时刻的取值，和/或热功率参数在每个时刻的取值。
可选的，每个时刻对应的线性模型包括方程组，根据线性规划方法，计算每个时刻对应的线性模型各自对应的方程组，以对每个时刻对应的线性模型中定义的多能系统中的电网功率参数和/或热功率参数求解，得到电网功率参数在每个时刻满足等式约束条件的至少一个值，和/或热功率参数在每个时刻的至少一个值，再根据不等式约束条件从电网功率参数在每个时刻的至少一个值，和/或热功率参数在每个时刻的至少一个值中，确定电网功率参数在每个时刻对应的目标值，和/或热功率参数在每个时刻对应的目标值，然后将电网功率参数在每个时刻对应的目标值作为电网功率参数在每个时刻的取值，和/或将热功率参数在每个时刻对应的目标值作为热功率参数在每个时刻的取值，其中，电网功率参数在每个时刻的取值表征多能系统中电网在每个时刻所提供的电功率，热功率参数在每个时刻的取值表征多能系统中锅炉在每个时刻所提供的热功率。
其中，上述不等式约束条件为电网功率参数和/或热功率参数在每个时刻的值的上下限，可以理解，上述电网功率参数和/或热功率参数在每个时刻对应的目标值所满足的不等式约束条件的标准不受限制，可以根据实际应用需求进行设置，例如，可以是满足不等式约束条件中的上限，即上述目标值为电网功率参数和/或热功率参数在每个时刻的至少一个值中的最大值，当然，还可以是满足不等式约束条件中的下限，即上述目标值为电网功率参数和/或热功率参数在每个时刻的至少一个值中的最小值。
需要说明的是，在一实施例中，多能系统中提供功率的可能只有电网，即需要计算多能系统消耗的电功率，此时只需要获得多能系统中电网的电网功率参数在每个时刻的取值；在另一实施例中，多能系统中提供功率的可能只有锅炉，即需要计算多能系统消耗的热功率，此时只需要获得多能系统中锅炉的热功率参数在每个时刻的取值；在又一实施例中，多能系统中提供功率的可能电网和锅炉均有，即需要计算多能系统消耗的电功率和热功率，此时需要获得多能系统中电网的电网功率参数在每个时刻的取值，和获得多能系统中锅炉的热功率参数在每个时刻的取值。
步骤S305，根据电网功率参数在每个时刻的取值和/或热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算优化目标的值。
可选的，优化目标表征多能系统运行的电费成本和/或燃料费成本，当得到电网功率参数在每个时刻的取值，和/或热功率参数在每个时刻的取值时，即得到多能系统中电网和/或锅炉在每个时刻所提供的功率，就可以根据预先设置的优化目标函数计算优化目标的值，该优化目标的值表征多能系统运行的电费成本和/或燃料费成本的具体数值。
步骤S306，根据优化目标的值更新迭代方向和决策变量在每个时刻的取值，直到优化目标的值达到收敛条件。
其中，在优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值用于对多能系统的运行进行优化。
可选的，当优化目标的值达到收敛条件时，即可获得对应的决策变量在每个时刻的取值，操作人员可以根据获得的对应的决策变量在每个时刻的取值，对多能系统中相应设备每个时刻的工作参数进行调整，以实现对多能系统的运行优化。
本发明实施例提供的多能系统运行优化方法，通过获取预先构建的初始非线性模型中的等式约束条件、不等式约束条件以及优化目标，以根据决策变量在每个时刻的取值和等式约束条件，计算多能系统中的水力参数在每个时刻的取值，将水力参数在每个时刻的取值代入初始非线性模型，得到每个时刻对应的线性模型，再根据线性规划方法、等式约束条件和不等式约束条件，对每个时刻对应的线性模型中定义的多能系统中的电网功率参数和/或热功率参数求解，得到电网功率参数在每个时刻的取值，和/或热功率参数在每个时刻的取值，并以此根据预先设置的优化目标函数计算优化目标的值，再进行更新迭代方向和决策变量在每个时刻的取值，直到优化目标的值达到收敛条件，进而将优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值用于对多能系统的运行进行优化。通过迭代对迭代方向和决策变量在每个时刻的取值进行更新，实现对多能系统中的水力参数在每个时刻的取值的调节，最终根据在优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值，对多能系统的运行进行优化，由于水力参数和决策变量均是可调的，故能适应不同场景下的多能系统的运行优化，保证较低的电费成本和/或燃料费成本。
为了通过线性规划方法，准确地计算电网功率参数在每个时刻的取值，和/或热功率参数在每个时刻的取值，请参阅图4，图4为图3中步骤S304的子步骤的一种流程示意图。上述步骤S304，包括：
步骤S3041，根据线性规划方法和等式约束条件对每个时刻对应的线性模型中定义的多能系统中的电网功率参数和/或热功率参数求解，得到电网功率参数在每个时刻的至少一个值，和/或热功率参数在每个时刻的至少一个值。
可选的，每个时刻对应的线性模型包括各自对应的方程组，根据线性规划方法，计算每个时刻对应的线性模型各自对应的方程组，以对每个时刻对应的线性模型中定义的多能系统中的电网功率参数和/或热功率参数求解，得到电网功率参数在每个时刻满足等式约束条件的至少一个值，和/或热功率参数在每个时刻满足等式约束条件的至少一个值。
步骤S3042，根据不等式约束条件，从电网功率参数在每个时刻的至少一个值，和/或热功率参数在每个时刻的至少一个值中，确定电网功率参数在每个时刻对应的目标值，和/或热功率参数在每个时刻对应的目标值，并将电网功率参数在每个时刻对应的目标值作为电网功率参数在每个时刻的取值，和/或将热功率参数在每个时刻对应的目标值作为热功率参数在每个时刻的取值。
其中，电网功率参数在每个时刻的取值表征多能系统中电网在每个时刻所提供的电功率，热功率参数在每个时刻的取值表征多能系统中锅炉在每个时刻所提供的热功率。其中，上述不等式约束条件为电网功率参数和/或热功率参数在每个时刻的值的上下限，可以理解，上述电网功率参数和/或热功率参数在每个时刻对应的目标值所满足的不等式约束条件的标准不受限制，可以根据实际应用需求进行设置，例如，可以是满足不等式约束条件中的上限，即上述目标值为电网功率参数和/或热功率参数在每个时刻的至少一个值中的最大值，当然，还可以是满足不等式约束条件中的下限，即上述目标值为电网功率参数和/或热功率参数在每个时刻的至少一个值中的最小值。
需要说明的是，在实际应用中，影响电网功率参数的还可以有热力参数，根据线性规划方法和等式约束条件计算出多能系统的热力参数，在热力参数也满足不等式约束条件时，确定电网功率参数在每个时刻的取值。其中，热力参数包括热功率参数以及温度参数。
为了获得满足收敛条件的优化目标的值，请参阅图5，图5为图3中步骤S306的子步骤的一种流程示意图。上述步骤S306，包括：
步骤S3061，根据优化目标的值更新迭代方向。
可选的，可以采用优化算法根据优化目标的值更新迭代方向，其中，利用优化算法的目的在于找到优化目标的值在更新迭代过程中，满足最小值条件的取值，该优化目标满足最小值条件的取值对应有决策变量在每个时刻的相应取值，在迭代过程中，优化算法会使决策变量在每个时刻的取值，向该优化目标满足最小值条件的取值所对应的决策变量在每个时刻的相应取值靠近，即上述迭代方向表征向上述满足最小值条件的取值逐步靠近的趋势。
步骤S3062，根据迭代方向更新决策变量在每个时刻的取值，直到优化目标的值达到收敛条件。
可选的，根据迭代方向更新决策变量每个时刻的取值在当前迭代过程中所能达到的最优解，即决策变量每个时刻的取值满足优化算法中定义的极值，通常优化算法中定义的极值为最大值，可以理解的是，优化算法中定义的极值的选择可以根据实际需要进行设置，在本发明实施例中不予以限定。
可选的，收敛条件可以是迭代次数，当迭代次数满足最大迭代次数时，即退出迭代，并获取在优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值，其中，迭代次数不受限制，可以根据实际应用需求进行设置，例如，可以将迭代次数设置为一万次，当迭代次数达到一万次时，即可退出迭代；收敛条件还可以是优化目标的值在一定次数的迭代过程中都没有发生变化时，即可确认优化目标的值已经收敛，即退出迭代，并获取在优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值，其中，优化目标的值在迭代过程中都没有发生变化的迭代次数不受限制，可以根据实际应用需求进行设置，例如，可以将没有发生变化的迭代次数设置为一百此，当迭代次数达到一百次时，即可退出迭代。收敛条件的选择可以根据实际需要进行设置，在本发明实施例中不予以限定。
可选的，上述优化算法可以是粒子群算法、遗传算法以及梯度下降算法等，优化算法的选择可以根据实际需要进行设置，在本发明实施例中不予以限定。
为了计算多能系统运行的电费成本和/或燃料费成本，以得到优化目标的值，请参阅图6，图6为图3中步骤S305的子步骤的一种流程示意图在上述步骤S305，包括：
步骤S3051，获取多能系统在每个时刻的电价，和/或获取多能系统在每个时刻的燃料价。
可选的，多能系统的主要运行成本来源于电费和/或燃料费，而为了对多能系统进行运行优化，则是需要将多能系统运行的电费成本和/或燃料费最小化，而由于电价可能是分时波动的，就需要获取多能系统在每个时刻的电价，燃料价一般在每个时刻是基本一致的，而为了区分，也需要获取多能系统在每个时刻的电价。
步骤S3052，根据多能系统在每个时刻的电价、电网功率参数在每个时刻的取值，和/或多能系统在每个时刻的燃料价、热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算优化目标的值。
在一实施例中，多能系统中提供功率的只有电网的情况下，可选的，为了根据多能系统在每个时刻的电价、电网功率参数在每个时刻的取值和预先设置的优化目标函数计算优化目标的值，预先设置的优化目标函数可以由如下公式表述：
min C＝Qs，0r0+Qs，1r1+…+Qs，iri
minC表征多能系统运行的电费成本的值，即优化目标的值；Qs，i表征i(i＝0、1...23)时刻的多能系统中电网提供的电功率；ri表征i(i＝0、1...23)时刻的电价，其中，i所表征的具体时刻不受限制，可以根据实际应用需求进行设置，例如，在对一天内多能系统运行进行优化时，i表征一天中的零到二十三时刻。
在另一实施例中，多能系统中提供功率的只有锅炉的情况下，可选的，为了根据多能系统在每个时刻的燃料费、热功率参数在每个时刻的取值和预先设置的优化目标函数计算优化目标的值，预先设置的优化目标函数可以由如下公式表述：
min C＝(Qb，0+Qb，1+…Qb，i)fb
minC表征多能系统运行的电费成本的值，即优化目标的值；Qb，i表征i(i＝0、1...23)时刻的多能系统中锅炉提供的热功率；其中，i所表征的具体时刻不受限制，可以根据实际应用需求进行设置，例如，在对一天内多能系统运行进行优化时，i表征一天中的零到二十三时刻；fb表征单位热值的燃料价，一天内为常数。
在又一实施例中，多能系统中提供功率的既有电网，又有锅炉的情况下，可选的，为了根据多能系统在每个时刻的电价、电网功率参数在每个时刻的取值，和多能系统在每个时刻的燃料价、热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算优化目标的值，预先设置的优化目标函数可以由如下公式表述：
min C＝Qs，0r0+Qs，1r1+…+Qs，iri+(Qb，0+Qb，1+…Qb，i)fb
minC表征多能系统运行的电费和燃料费成本的值，即优化目标的值；Qs，i表征i(i＝0、1...23)时刻的多能系统中电网提供的电功率；ri表征i(i＝0、1...23)时刻的电价；Qb，i表征i(i＝0、1...23)时刻的多能系统中锅炉提供的热功率；其中，i所表征的具体时刻不受限制，可以根据实际应用需求进行设置，例如，在对一天内多能系统运行进行优化时，i表征一天中的零到二十三时刻；fb表征单位热值的燃料价，一天内为常数。
可选的，在实际应用中，多能系统的运行成本还包括设备的运维成本，当多能系统中提供功率的只有电网的情况下，为了计算设备的运维成本，可以由如下公式表述：
M＝(Qh，0+Qh，1+…Qh，i)Mv，h+(Qp，0+Qp，1+…Qp，i)Mv，p+(mf，v+mf，h+mf，p+mf，w)ti
M表征设备的运维成本，包括可变运维成本和固定运维成本；Qh，i表征i(i＝0、1...23)时刻热泵消耗的功率；Mv，h表征热泵的可变运维成本；Qp，i表征i(i＝0、1...23)时刻离心泵消耗的功率；Mv，p表征离心泵的可变运维成本；mf，v表征给水阀的固定运维成本；mf，h表征热泵的固定运维成本；mf，p表征离心泵的固定运维成本；mf，w表征水罐的固定运维成本；ti(i＝0、1...23)表征一天中运行多能系统的时长；其中，i所表征的具体时刻不受限制，可以根据实际应用需求进行设置，例如，在对一天内多能系统运行进行优化时，i表征一天中的零到二十三时刻。
当多能系统中提供功率的只有锅炉的情况下，为了计算设备的运维成本，可以由如下公式表述：
M＝(Qb，0+Qb，1+…Qb，i)Mv，b+(mf，v+mf，h+mf，p+mf，w)ti
M表征设备的运维成本，包括可变运维成本和固定运维成本；Qb，0表征i(i＝0、1...23)时刻锅炉消耗的功率；Mv，b表征锅炉的可变运维成本；mf，v表征给水阀的固定运维成本；mf，h表征热泵的固定运维成本；mf，p表征离心泵的固定运维成本；mf，w表征水罐的固定运维成本；ti(i＝0、1...23)表征一天中运行多能系统的时长；其中，i所表征的具体时刻不受限制，可以根据实际应用需求进行设置，例如，在对一天内多能系统运行进行优化时，i表征一天中的零到二十三时刻。
当多能系统中提供功率的既有电网，又有锅炉的情况下，为了计算设备的运维成本，可以由如下公式表述：
M＝(Qh，0+Qh，1+…Qh，i)Mv，h+(Qp，0+Qp，1+…Qp，i)Mv，p
+(Qb，0+Qb，1+…Qb，i)Mv，b+(mf，v+mf，h+mf，p+mf，w)ti
M表征设备的运维成本，包括可变运维成本和固定运维成本；Qh，i表征i(i＝0、1...23)时刻热泵消耗的功率；Mv，h表征热泵的可变运维成本；Qp，i表征i(i＝0、1...23)时刻离心泵消耗的功率；Mv，p表征离心泵的可变运维成本；Qb，0表征i(i＝0、1...23)时刻锅炉消耗的功率；Mv，b表征锅炉的可变运维成本；Mv，p表征离心泵的可变运维成本；mf，v表征给水阀的固定运维成本；mf，h表征热泵的固定运维成本；mf，p表征离心泵的固定运维成本；mf，w表征水罐的固定运维成本；ti(i＝0、1...23)表征一天中运行多能系统的时长；其中，i所表征的具体时刻不受限制，可以根据实际应用需求进行设置，例如，在对一天内多能系统运行进行优化时，i表征一天中的零到二十三时刻。
请参考图7，图7为本发明实施例所提供的多能系统运行优化装置的一种功能模块图。该多能系统运行优化装置包括：获取模块401、计算模块402和更新模块403。
可选地，上述模块可以软件或固件(Firmware)的形式存储于图2所示的存储器210中或固化于该电子设备的操作系统(Operating System，OS)中，并可由图2中的处理器220执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器210中。
获取模块401，用于获取预先构建的初始非线性模型中的等式约束条件、不等式约束条件以及优化目标。其中，等式约束条件、不等式约束条件根据待优化的多能系统设置得到，优化目标为多能系统运行的电费成本和/或燃料费成本。
可以理解，该获取模块401可以执行上述步骤S301。
计算模块402，用于根据决策变量在每个时刻的取值和等式约束条件，计算多能系统中的水力参数在每个时刻的取值；决策变量包括多能系统中的至少一个设备的工作参数；将水力参数在每个时刻的取值代入初始非线性模型，得到每个时刻对应的线性模型。
可以理解，该计算模块402可以执行上述步骤S302与步骤S303。
计算模块402，还用于根据线性规划方法、等式约束条件和不等式约束条件，对每个时刻对应的线性模型中定义的多能系统中的电网功率参数和/或热功率参数求解，得到电网功率参数在每个时刻的取值，和/或热功率参数在每个时刻的取值；根据电网功率参数在每个时刻的取值和/或热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算优化目标的值。
可以理解，该计算模块402还可以执行上述步骤S304与步骤S305。
更新模块403，用于根据优化目标的值更新迭代方向和决策变量在每个时刻的取值，直到优化目标的值达到收敛条件；其中，在优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值用于对多能系统的运行进行优化。
可以理解，该更新模块403可以执行上述步骤S306。
可选的，上述计算模块402，还用于根据线性规划方法和等式约束条件对每个时刻对应的线性模型中定义的多能系统中的电网功率参数和/或热功率参数求解，得到电网功率参数在每个时刻的至少一个值，和/或热功率参数在每个时刻的至少一个值；根据不等式约束条件，从电网功率参数在每个时刻的至少一个值，和/或热功率参数在每个时刻的至少一个值中，确定电网功率参数在每个时刻对应的目标值，和/或热功率参数在每个时刻对应的目标值，并将电网功率参数在每个时刻对应的目标值作为电网功率参数在每个时刻的取值，和/或将热功率参数在每个时刻对应的目标值作为热功率参数在每个时刻的取值。
可以理解，该计算模块402还可以执行上述步骤S3041与步骤S3042。
可选的，上述更新模块403还用于，根据优化目标的值更新迭代方向；根据迭代方向更新决策变量在每个时刻的取值，直到优化目标的值达到收敛条件。
可以理解，该更新模块403还可以执行上述步骤S3061与步骤S3062。
可选的，上述计算模块402还用于，获取多能系统在每个时刻的电价，和/或获取多能系统在每个时刻的燃料价；根据多能系统在每个时刻的电价、电网功率参数在每个时刻的取值，和/或多能系统在每个时刻的燃料费、热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算优化目标的值。
可以理解，该计算模块402还可以执行上述步骤S3051与步骤S3052。
本发明实施例提供的多能系统运行优化装置，通过获取模块获取预先构建的初始非线性模型中的等式约束条件、不等式约束条件以及优化目标，计算模块以根据决策变量在每个时刻的取值和等式约束条件，计算多能系统中的水力参数在每个时刻的取值，将水力参数在每个时刻的取值代入初始非线性模型，得到每个时刻对应的线性模型，再根据线性规划方法、等式约束条件和不等式约束条件，对每个时刻对应的线性模型中定义的多能系统中的电网功率参数和/或热功率参数求解，得到电网功率参数在每个时刻的取值，和/或热功率参数在每个时刻的取值，更新模块以此根据预先设置的优化目标函数计算优化目标的值，再进行更新迭代方向和决策变量在每个时刻的取值，直到优化目标的值达到收敛条件，进而将优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值用于对多能系统的运行进行优化。通过迭代对迭代方向和决策变量在每个时刻的取值进行更新，实现对多能系统中的水力参数在每个时刻的取值的调节，最终根据在优化目标的值达到收敛条件时得到的决策变量在每个时刻的取值，对多能系统的运行进行优化，由于水力参数和决策变量均是可调的，故能适应不同场景下的多能系统的运行优化，保证较低的电费成本和/或燃料费成本。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种多能系统运行优化方法，其特征在于，所述方法包括：
获取预先构建的初始非线性模型中的等式约束条件、不等式约束条件以及优化目标；其中，所述等式约束条件、所述不等式约束条件根据待优化的多能系统设置得到，所述优化目标为所述多能系统运行的电费成本和/或燃料费成本；
根据决策变量在每个时刻的取值和所述等式约束条件，计算所述多能系统中的水力参数在每个时刻的取值；所述决策变量包括所述多能系统中的至少一个设备的工作参数；
将所述水力参数在每个时刻的取值代入所述初始非线性模型，得到每个时刻对应的线性模型；
根据线性规划方法、所述等式约束条件和所述不等式约束条件，对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或热功率参数求解，得到所述电网功率参数在每个时刻的取值，和/或所述热功率参数在每个时刻的取值；
根据所述电网功率参数在每个时刻的取值和/或所述热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算所述优化目标的值；
根据所述优化目标的值更新迭代方向和所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件；其中，在所述优化目标的值达到收敛条件时得到的所述决策变量在每个时刻的取值用于对所述多能系统的运行进行优化。
2.根据权利要求1所述的方法，其特征在于，所述根据线性规划方法、所述等式约束条件和所述不等式约束条件，对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或热功率参数求解，得到所述电网功率参数在每个时刻的取值，和/或所述热功率参数在每个时刻的取值，包括：
根据线性规划方法和所述等式约束条件对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或所述热功率参数求解，得到所述电网功率参数在每个时刻的至少一个值，和/或所述热功率参数在每个时刻的至少一个值；
根据所述不等式约束条件，从所述电网功率参数在每个时刻的至少一个值，和/或所述热功率参数在每个时刻的至少一个值中，确定所述电网功率参数在每个时刻对应的目标值，和/或所述热功率参数在每个时刻对应的目标值，并将所述电网功率参数在每个时刻对应的目标值作为所述电网功率参数在每个时刻的取值，和/或将所述热功率参数在每个时刻对应的目标值作为所述热功率参数在每个时刻的取值。
3.根据权利要求1所述的方法，其特征在于，所述根据所述优化目标的值更新迭代方向和所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件，包括：
根据所述优化目标的值更新迭代方向；
根据所述迭代方向更新所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件。
4.根据权利要求1所述的方法，其特征在于，所述根据所述电网功率参数在每个时刻的取值和/或所述热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算所述优化目标的值，包括：
获取所述多能系统在每个时刻的电价，和/或获取所述多能系统在每个时刻的燃料价；
根据所述多能系统在每个时刻的电价、所述电网功率参数在每个时刻的取值，和/或所述多能系统在每个时刻的燃料价、所述热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算所述优化目标的值。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述多能系统包括冷热系统和电力系统，所述初始非线性模型包括根据所述冷热系统构建得到的冷热系统非线性模型和根据所述电力系统构建得到的电力系统线性模型。
6.一种多能系统运行优化装置，其特征在于，所述装置包括：
获取模块，用于获取预先构建的初始非线性模型中的等式约束条件、不等式约束条件以及优化目标；其中，所述等式约束条件、所述不等式约束条件根据待优化的多能系统设置得到，所述优化目标为所述多能系统运行的电费成本和/或燃料费成本；
计算模块，用于根据决策变量在每个时刻的取值和所述等式约束条件，计算所述多能系统中的水力参数在每个时刻的取值；所述决策变量包括所述多能系统中的至少一个设备的工作参数；将所述水力参数在每个时刻的取值代入所述初始非线性模型，得到每个时刻对应的线性模型；
所述计算模块，还用于根据线性规划方法、所述等式约束条件和所述不等式约束条件，对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或热功率参数求解，得到所述电网功率参数在每个时刻的取值，和/或所述热功率参数在每个时刻的取值；根据所述电网功率参数在每个时刻的取值和/或所述热功率参数在每个时刻的取值，以及预先设置的优化目标函数计算所述优化目标的值；
更新模块，用于根据所述优化目标的值更新迭代方向和所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件；其中，在所述优化目标的值达到收敛条件时得到的所述决策变量在每个时刻的取值用于对所述多能系统的运行进行优化。
7.根据权利要求6所述的装置，其特征在于，所述计算模块用于：
根据线性规划方法和所述等式约束条件对每个时刻对应的线性模型中定义的所述多能系统中的电网功率参数和/或热功率参数求解，得到所述电网功率参数在每个时刻的至少一个值，和/或所述热功率参数在每个时刻的至少一个值；根据所述不等式约束条件，从所述电网功率参数在每个时刻的至少一个值，和/或所述热功率参数在每个时刻的至少一个值中，确定所述电网功率参数在每个时刻对应的目标值，和/或所述热功率参数在每个时刻对应的目标值，并将所述电网功率参数在每个时刻对应的目标值作为所述电网功率参数在每个时刻的取值，和/或将所述热功率参数在每个时刻对应的目标值作为所述热功率参数在每个时刻的取值。
8.根据权利要求6所述的装置，其特征在于，所述更新模块用于：根据所述优化目标的值更新迭代方向，根据所述迭代方向更新所述决策变量在每个时刻的取值，直到所述优化目标的值达到收敛条件。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1-5任一项所述的方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111353506.7A CN113935198B (zh) | 2021-11-16 | 2021-11-16 | 多能系统运行优化方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111353506.7A CN113935198B (zh) | 2021-11-16 | 2021-11-16 | 多能系统运行优化方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113935198A true CN113935198A (zh) | 2022-01-14 |
| CN113935198B CN113935198B (zh) | 2024-03-22 |
Family
ID=79286771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111353506.7A Active CN113935198B (zh) | 2021-11-16 | 2021-11-16 | 多能系统运行优化方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113935198B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110066258A1 (en) * | 2009-09-11 | 2011-03-17 | Siemens Corporation | System and Method for Energy Plant Optimization Using Mixed Integer-Linear Programming |
| CN106845701A (zh) * | 2017-01-11 | 2017-06-13 | 东南大学 | 一种基于热网和房屋热惯性的综合能源系统优化方法 |
| CN109190785A (zh) * | 2018-07-06 | 2019-01-11 | 东南大学 | 一种电热耦合综合能源系统运行优化方法 |
| CN109390979A (zh) * | 2018-10-24 | 2019-02-26 | 云南电网有限责任公司电力科学研究院 | 一种综合能源系统的优化控制方法 |
| CN109873437A (zh) * | 2018-12-27 | 2019-06-11 | 国网北京市电力公司 | 优化方法、装置、存储介质及处理器 |
| CN110298138A (zh) * | 2019-07-09 | 2019-10-01 | 南方电网科学研究院有限责任公司 | 一种综合能源系统优化方法、装置、设备及可读存储介质 |
| CN110866641A (zh) * | 2019-11-14 | 2020-03-06 | 山东大学 | 计及源储荷协同的多能互补系统两级优化调度方法及系统 |
| CN111898806A (zh) * | 2020-07-14 | 2020-11-06 | 国网综合能源服务集团有限公司 | 电-热耦合的源储荷集成多能流园区运行优化方法及系统 |
| CN112131712A (zh) * | 2020-08-27 | 2020-12-25 | 国电南瑞科技股份有限公司 | 客户侧多能源系统多目标优化方法和系统 |
| CN112465285A (zh) * | 2020-06-15 | 2021-03-09 | 广东电网有限责任公司电力调度控制中心 | 一种电气热多能源供能系统的调度方法 |
| CN112966883A (zh) * | 2021-04-16 | 2021-06-15 | 浙江华云电力工程设计咨询有限公司 | 综合能源系统运行优化方法及终端设备 |
| CN113239607A (zh) * | 2021-06-16 | 2021-08-10 | 国网浙江省电力有限公司杭州供电公司 | 综合能源系统经济调度优化方法、系统、设备及存储介质 |
| CN113496298A (zh) * | 2020-03-19 | 2021-10-12 | 电力规划总院有限公司 | 一种综合能源系统的优化方法、装置和电子设备 |
| CN113507124A (zh) * | 2021-06-09 | 2021-10-15 | 重庆锦禹云能源科技有限公司 | 一种基于序列凸优化的能源互联网快速调度方法及装置 |
-
2021
- 2021-11-16 CN CN202111353506.7A patent/CN113935198B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110066258A1 (en) * | 2009-09-11 | 2011-03-17 | Siemens Corporation | System and Method for Energy Plant Optimization Using Mixed Integer-Linear Programming |
| CN106845701A (zh) * | 2017-01-11 | 2017-06-13 | 东南大学 | 一种基于热网和房屋热惯性的综合能源系统优化方法 |
| US20190369581A1 (en) * | 2017-01-11 | 2019-12-05 | Southeast University | Integrated energy system operational optimization method considering thermal inertia of district heating networks and buildings |
| CN109190785A (zh) * | 2018-07-06 | 2019-01-11 | 东南大学 | 一种电热耦合综合能源系统运行优化方法 |
| CN109390979A (zh) * | 2018-10-24 | 2019-02-26 | 云南电网有限责任公司电力科学研究院 | 一种综合能源系统的优化控制方法 |
| CN109873437A (zh) * | 2018-12-27 | 2019-06-11 | 国网北京市电力公司 | 优化方法、装置、存储介质及处理器 |
| CN110298138A (zh) * | 2019-07-09 | 2019-10-01 | 南方电网科学研究院有限责任公司 | 一种综合能源系统优化方法、装置、设备及可读存储介质 |
| AU2020100983A4 (en) * | 2019-11-14 | 2020-07-16 | Shandong University | Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation |
| CN110866641A (zh) * | 2019-11-14 | 2020-03-06 | 山东大学 | 计及源储荷协同的多能互补系统两级优化调度方法及系统 |
| CN113496298A (zh) * | 2020-03-19 | 2021-10-12 | 电力规划总院有限公司 | 一种综合能源系统的优化方法、装置和电子设备 |
| CN112465285A (zh) * | 2020-06-15 | 2021-03-09 | 广东电网有限责任公司电力调度控制中心 | 一种电气热多能源供能系统的调度方法 |
| CN111898806A (zh) * | 2020-07-14 | 2020-11-06 | 国网综合能源服务集团有限公司 | 电-热耦合的源储荷集成多能流园区运行优化方法及系统 |
| CN112131712A (zh) * | 2020-08-27 | 2020-12-25 | 国电南瑞科技股份有限公司 | 客户侧多能源系统多目标优化方法和系统 |
| CN112966883A (zh) * | 2021-04-16 | 2021-06-15 | 浙江华云电力工程设计咨询有限公司 | 综合能源系统运行优化方法及终端设备 |
| CN113507124A (zh) * | 2021-06-09 | 2021-10-15 | 重庆锦禹云能源科技有限公司 | 一种基于序列凸优化的能源互联网快速调度方法及装置 |
| CN113239607A (zh) * | 2021-06-16 | 2021-08-10 | 国网浙江省电力有限公司杭州供电公司 | 综合能源系统经济调度优化方法、系统、设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| 李明: "综合能源系统建模分析与运行优化研究", 中国优秀硕士学位论文全文数据库，工程科技Ⅱ辑, no. 2020, 15 February 2020 (2020-02-15), pages 1 - 67 * |
| 李铁;李正文;杨俊友;崔岱;王钟辉;马坤;胡伟;: "计及调峰主动性的风光水火储多能系统互补协调优化调度", 电网技术, no. 10, 5 October 2020 (2020-10-05), pages 16 - 24 * |
| 杨志超: "基于模型预测控制的可再生能源冷热电联供系统优化运行研究", 中国优秀硕士学位论文全文数据库，工程科技Ⅱ辑, no. 2021, 15 February 2021 (2021-02-15), pages 1 - 68 * |
| 王大朔: "综合能源系统运行优化及其静态安全耦合分析", 中国优秀硕士学位论文全文数据库，工程科技Ⅱ辑, no. 2021, 15 July 2021 (2021-07-15), pages 1 - 65 * |
| 黄俊: "综合能源系统多目标优化运行算法研究", 中国优秀硕士学位论文全文数据库，工程科技Ⅱ辑, no. 2020, 15 January 2020 (2020-01-15), pages 1 - 92 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113935198B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108063456B (zh) | 分布式光伏发电并网规划方法及终端设备 | |
| CA2715932A1 (en) | Reactive power regulation and voltage support for renewable energy plants | |
| WO2021115076A1 (zh) | 一种电机功能安全控制方法及装置 | |
| WO2018122392A1 (en) | State of charge estimation of energy storage systems | |
| Yanarateş et al. | Performance analysis of digitally controlled nonlinear systems considering time delay issues | |
| CN115013861A (zh) | 一种基于供热系统的室内温度控制方法及装置 | |
| CN113272759A (zh) | 质量流量控制器和控制器算法 | |
| CN114552587A (zh) | 基于不完全升维的数据驱动电力系统的优化方法及应用 | |
| WO2018190793A1 (en) | Systems and methods for operating generators based on generator steady state stability limits | |
| US9739908B2 (en) | Utility usage forecasting | |
| CN111523204A (zh) | 一种并网型综合能源网电-气储能系统优化配置求解方法 | |
| CN113935198A (zh) | 多能系统运行优化方法、装置、电子设备及可读存储介质 | |
| CN108462180A (zh) | 一种基于vine copula函数确定概率最优潮流的方法 | |
| CN109976405A (zh) | 一种陶瓷窑炉温度复合控制方法、设备及系统 | |
| Li et al. | Expert-calibrated learning for online optimization with switching costs | |
| Li et al. | A model-free adaptive controller with tracking error differential for collective pitching of wind turbines | |
| CN110796302B (zh) | 渐进调整的东北地区住宅区直热式电锅炉负荷预测方法 | |
| CN111998423A (zh) | 电蓄热循环风量-水温控制系统及其预测控制方法 | |
| CN115263793B (zh) | 一种服务器风扇的调速方法、调速装置、设备及介质 | |
| CN114128075A (zh) | 指令生成装置及指令生成方法 | |
| US20210132558A1 (en) | Method, apparatus, and storage medium for controlling heating system | |
| CN113272758B (zh) | 质量流量控制器、控制器算法和设定点滤波器 | |
| JP2018152935A (ja) | 電力系統状態推定装置 | |
| KR20170037724A (ko) | 복합화력발전기 공급능력 연산 장치, 시스템 및 방법 | |
| CN118250982A (zh) | 一种两相冷板液冷系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |